版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、當代科學技術發(fā)展和應用中,信息廣泛存在于通訊、控制、信號處理、數(shù)據(jù)挖掘、人工智能、生物信息、航空航天技術、經(jīng)濟預測與調(diào)控等社會諸多領域,起著舉足輕重的作用。隨著信息化時代的迅猛發(fā)展,信息越來越趨向于數(shù)據(jù)量大、來源廣、相關層次多等特點。因此,將信號單純的傳送和匯總已經(jīng)不能滿足信息化時代的要求,現(xiàn)代信號處理技術對信息的精度、容錯性要求越來越高。信息融合技術作為解決此問題的方法之一應運而生。信息融合作為多源信息綜合處理的一項新技術,它能將來自
2、同一目標的多源信息加以智能化合成,產(chǎn)生比單一信息源更精確、更完全、更可靠的估計和判決。
本文主要針對線性和非線性多傳感器系統(tǒng),應用加權觀測融合和各種辨識方法,研究了最優(yōu)和自校正加權觀測融合Kalman濾波器,以及最優(yōu)和自適應加權觀測融合UKF。進而針對一類受控的線性離散多傳感器系統(tǒng),研究了基于最優(yōu)和自校正加權觀測融合Kalman濾波器的預測控制問題。本文主要以理論分析結合計算機仿真研究為主,具體研究內(nèi)容和成果包括以下幾個方
3、面:
首先,針對一類帶未知噪聲統(tǒng)計的線性多傳感器系統(tǒng),結合最小二乘辨識方法、相關函數(shù)辨識方法以及多傳感器協(xié)同辨識方法,提出了幾種自適應加權觀測融合Kalman濾波器。分三種不同情形,對本文提出的基于多傳感器協(xié)同辨識的自校正加權觀測融合Kalman濾波器進行了具體描述以及仿真分析,并利用隨機序列的遍歷性證明了協(xié)同辨識方法得到的系統(tǒng)噪聲統(tǒng)計以概率1收斂于系統(tǒng)真實值,進而利用該方法得到的自校正加權觀測融合Kalman濾波器具有漸
4、近全局最優(yōu)性。
其次,針對一類非線性多傳感器系統(tǒng),提出了加權觀測融合UKF濾波器,證明了應用該方得到的UKF濾波器與集中式觀測融合UKF濾波器在數(shù)值上具有完全等價性,因而具有全局最優(yōu)性,而加權觀測融合UKF濾波器較集中式觀測融合UKF濾波器大大減小了計算負擔??紤]到這一類非線性多傳感器系統(tǒng)具有未知噪聲統(tǒng)計的情形,提出了自適應加權觀測融合UKF濾波器,該方法將協(xié)同辨識方法與自適應濾波方法相結合,提高了單純自適應UKF濾波器的
5、穩(wěn)定性、收斂速度以及準確性。
再次,將加權觀測融合算法與預測控制算法相結合,提出了加權觀測融合預測控制算法。該方法避免了求解復雜的Diophantine方程,利用Kalman濾波算法得到系統(tǒng)狀態(tài)的預測,減小了計算負擔。而加權觀測信息融合的引入,則提高了控制系統(tǒng)的穩(wěn)定性和精度。
最后,考慮到這一類受控的多傳感器系統(tǒng)具有未知噪聲統(tǒng)計的情形,提出了自適應加權觀測融合預測控制算法。該方法運用了本文提出的協(xié)同辨識方法,
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 自校正加權觀測融合Kalman估值器及其應用.pdf
- 自校正觀測融合解耦Wiener狀態(tài)估值器及其應用.pdf
- 基于Riccati方程的自校正信息融合狀態(tài)估值器及其應用.pdf
- 最優(yōu)加權觀測融合狀態(tài)估值器及其應用.pdf
- 自校正信息融合狀態(tài)與信號Wiener估值器.pdf
- 多傳感器最優(yōu)觀測融合狀態(tài)估值器及其應用.pdf
- 廣義系統(tǒng)最優(yōu)與自校正分布式信息融合估值器.pdf
- 最優(yōu)和自校正多傳感器信息融合白噪聲反卷積估值器.pdf
- 廣義系統(tǒng)信息融合Wiener狀態(tài)估值器.pdf
- 廣義系統(tǒng)降階信息融合狀態(tài)估值器.pdf
- 公司估值在并購中的應用.pdf
- 最優(yōu)和自校正多傳感器加權觀測融合卡爾曼濾波器.pdf
- 帶不同局部動態(tài)模型的時變系統(tǒng)Kalman融合器及其應用.pdf
- 自校正仿人智能控制器及其在等擺長倒立擺系統(tǒng)中的應用.pdf
- Kalman濾波在視頻目標跟蹤中的應用研究.pdf
- 小波變換域估計觀測噪聲方差的kalman濾波算法及其在數(shù)據(jù)融合中的應用
- Kalman濾波新算法及其在數(shù)據(jù)融合中的應用.pdf
- 魯棒融合Kalman濾波及其在信號處理中的應用研究.pdf
- 多傳感器廣義線性系統(tǒng)最優(yōu)和自校正加權觀測融合估計方法研究.pdf
- 一般多傳感器Kalman濾波融合中的觀測數(shù)據(jù)壓縮.pdf
評論
0/150
提交評論